davidadamczyk/czechbench_czech_news

该数据集包含多个特征字段，如url、authors、headline、brief、keywords、category、content、comments_num、server、category_unclean、authors_gender、authors_cum_gender、day_of_week、date等。数据集分为训练集和测试集，训练集包含20个样本，测试集包含980个样本。数据集的下载大小为2731913字节，总大小为3980150字节。

This dataset includes various features such as article URL, authors, headline, brief, keywords, category, content, number of comments, server information, category label, authors gender, cumulative authors gender, day of the week, date, etc. The dataset is divided into a training set and a test set, with 20 samples in the training set and 980 samples in the test set. The total size of the dataset is 3980150.0 bytes, and the download size is 2731913 bytes.

原始信息汇总

数据集概述

数据集特征

• url：字符串类型
• authors：字符串序列类型
• headline：字符串类型
• brief：字符串类型
• keywords：字符串序列类型
• category：整数类型（int64）
• content：字符串类型
• comments_num：浮点数类型（float64）
• server：整数类型（int64）
• category_unclean：字符串类型
• authors_gender：整数序列类型（int64）
• authors_cum_gender：整数类型（int64）
• day_of_week：整数类型（int64）
• date：时间戳类型（us）
• index_level_0：整数类型（int64）
• index_level_1：整数类型（int64）

数据集分割

• test：
  • 字节数：3887952
  • 示例数：980
• train：
  • 字节数：92198
  • 示例数：20

数据集大小

• 下载大小：2725861字节
• 数据集大小：3980150字节